点击切换搜索课件文库搜索结果(3711)
文档格式:PPT 文档大小:319.5KB 文档页数:30
串行数据通信要解决两个关键技术问题,一个是数据传送 ,另一个是数据转换。所谓数据传送就是指数据以什么形式进 行传送。所谓数据转换就是指单片机在接受数据时,如何把接 收到的串行数据转化为并行数据,单片机在发送数据时,如何 把并行数据转换为串行数据进行发送
文档格式:PPT 文档大小:118.5KB 文档页数:18
13.1 C文件概述 文件:存储在外部介质上数据的集合是操作系统 数据管理的单位 1、数据文件的改动不引起程序的改动程序与数据分离 2、冈程的数据文件中的数据数据共享 3、能保有程雇行的数据数据(定长和不定长) 流式文件:由一个个字符(字节)数据顺序组成 按存储介质: 普通文件:存储介质文件(磁盘、磁带等) 设备文件:非存储介质(键盘、显示器、打印机等) 按数据的组织形式: 文本文件:ASCI文件,每个字节存放一个字符的ASCI码 二进制文件:数据按其在内存中的存储形式原样存放
文档格式:PPT 文档大小:13.84MB 文档页数:55
1. 大数据时代 2. 大数据概念 3. 大数据的影响 4. 大数据的应用 5. 大数据关键技术 6. 大数据计算模式 7. 大数据产业 8. 大数据与云计算、物联网的关系 9. 大数据在中医药及生物医学领域的应用
文档格式:PDF 文档大小:1.37MB 文档页数:11
针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题,提出一种基于近邻的不均衡数据聚类算法(Clustering algorithm for imbalanced data based on nearest neighbor,CABON)。CABON算法首先对数据对象进行初始聚类,通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合;并给出一种类别待定集的动态调整机制,利用近邻思想实现此集合中数据对象所属类别的重新划分,按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中,得到最终的聚类结果,以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法(Imbalanced K–means clustering method with multiple centers,MC_IK)和非均匀数据的变异系数聚类算法(Coefficient of variation clustering for non-uniform data,CVCN)在人工数据集和真实数据集上分别进行实验对比,结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”,聚类效果明显优于K–means、MC_IK和CVCN算法
文档格式:PPT 文档大小:9.36MB 文档页数:39
1.1 大数据时代 1.2 大数据概念 1.3 大数据的影响 1.4 大数据的应用 1.5 大数据关键技术 1.6 大数据计算模式 1.7 大数据产业 1.8 大数据与云计算、物联网的关系
文档格式:PPT 文档大小:603KB 文档页数:39
• 1. 一组数据向其中心值靠拢的倾向和程度 • 2. 测度集中趋势就是寻找数据一般水平的 代表值或中心值 • 3. 不同类型的数据用不同的集中趋势测度 值 • 4. 低层次数据的集中趋势测度值适用于高 层次的测量数据,反过来,高层次数据的 集中趋势测度值并不适用于低层次的测量 数据 • 5. 选用哪一个测度值来反映数据的集中趋 势,要根据所掌握的数据的类型来确定
文档格式:PPT 文档大小:102.5KB 文档页数:23
一、理解对大型的、复杂的和信息丰富的数据集进行分析的必要性。 二、明确数据挖掘过程的目标和首要任务。 三、描述数据挖掘技术的起源。 四、了解数据挖掘过程所具有的迭代过程和基本步骤。 五、解释数据的质量对数据挖掘过程的影响。 六、建立数据仓库和数据挖掘之间的联系
文档格式:DOC 文档大小:108.5KB 文档页数:12
数据结构即指数据组织的形式,是适合于计算机存储、管理和处理的数据逻辑结构。对 空间数据则是地理实体的空间排列方式和相互关系的抽象描述。它是对数据的一种理解和解 释,不说明数据结构的数据是毫无用处的,不仅用户无法理解,计算机程序也不能正确的处 理,对同样一组数据,按不同的数据结构去处理,得到的可能是截然不同的内容。空间数据 结构是地理信息系统沟通信息的桥梁,只有充分理解地理信息系统所采用的特定数据结构, 才能正确有效地使用系统
文档格式:PDF 文档大小:4.85MB 文档页数:15
油气资源大数据智能平台的总体框架应以数据资源为基础、大数据平台算力为支撑、人工智能算法为核心,面向油气行业生产需求,构建集勘探、开发、生产数据于一体的油气数据资源池,通过数据清洗与融合提升数据质量,整合物理模拟与数据挖掘等手段,实现服务功能模块化,并在PC端、管控大屏、手机移动APP等多维平台实现智能监测、预警与展示。通过对深度学习等人工智能方法在油气工业领域的应用案例分析,表明其具有较好的应用前景。未来石油公司应与科研院所通力合作,挖掘石油工业数据的巨大潜能,实现降本增效,建设全新的智能油气工业生态圈,完成产业升级
文档格式:PPT 文档大小:1.69MB 文档页数:38
 空间数据采集的主要任务  GIS的数据内容  GIS的数据来源  现行主要数据采集方法 ❑ 定位设备 ❑ 数字化设备 ❑ 数据交换 ❑ 其它  空间数据编辑与处理的主要内容  如何选择空间数据及其输入方式?
首页上页234235236237238239240241下页末页
热门关键字
搜索一下,找到相关课件或文库资源 3711 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有